L'objet de cette thèse est la modélisation computationnelle de l'Imagerie par Résonance Magnétique (IRM), appliquée à l'imagerie des réseaux vasculaires. Les images sont influencées par la géométrie des vaisseaux mais aussi par le flux sanguin. Par ailleurs, outre la qualité des modèles développés, il est important que les calculs soient performants. C'est pourquoi, le calcul parallèle est utilisé pour gérer ce type de problèmes complexes. Dans cette thèse, trois solutions sont proposées. La première concerne les algorithmes parallèles pour la modélisation des réseaux vasculaires. Des algorithmes dédiés à différentes architectures sont proposés. Le premier est basé sur le modèle de « passage de messages » pour les machines à mémoires distribuées. La parallélisation concerne l'irrigation de nouvelles zones de tissu par les vaisseaux existants. Le deuxième algorithme est dédié aux machines à mémoire partagée. Il parallélise également le processus de perfusion mais des processeurs différents se chargent de gérer les différents arbres vasculaires. Le troisième algorithme est une combinaison des approches précédentes offrant une solution pour les architectures parallèles hybrides. Les algorithmes proposés permettent d'accélérer considérablement la croissance des réseaux vasculaires complexes, ce qui rend possible la simulation de structures vasculaires plus précises, en un temps raisonnable et aide à améliorer le modèle vasculaire et à tester plus facilement différents jeux de paramètres. Une nouvelle approche de modélisation computationnelle des flux en IRM est également proposée. Elle combine le calcul de flux par la méthode de Lattice Boltzmann, la simulation IRM par le suivi temporel de magnétisations locales, ainsi qu'un nouvel algorithme de transport des magnétisations. Les résultats montrent qu'une telle approche intègre naturellement l'influence du flux dans la modélisation IRM. Contrairement aux travaux de la littérature, aucun mécanisme additionnel n'est nécessaire pour considérer les artéfacts de flux, ce qui offre une grande facilité d'extension du modèle. Les principaux avantages de cette méthode est sa faible complexité computationnelle, son implémentation efficace, qui facilitent le lancement des simulations en utilisant différents paramètres physiologiques ou paramètres d'acquisition des images. La troisième partie du travail de thèse a consisté à appliquer le modèle d'imagerie de flux à des réseaux vasculaires complexes en combinant les modèles de vaisseaux, de flux et d'acquisition IRM. Les algorithmes sont optimisés à tous les niveaux afin d'être performants sur des architectures parallèles. Les possibilités du modèle sont illustrées sur différents cas. Cette démarche de modélisation peut aider à mieux interpréter les images IRM grâce à l'intégration, dans les modèles, de connaissances variées allant de la vascularisation des organes jusqu'à la formation de l'image en passant par les propriétés des flux sanguins.